1、隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡上的信息越來越多。面對海量信息，人們往往很難選擇。通過文本分類技術，人們能夠有效地組織和管理文本信息，提高學習和工作效率。文本分類中一個重要的步驟就是特征降維。有效的特征降維，不僅可以提升分類算法的運行效率，還能提高分類的準確率。常見的特征降維方法，主要運用了統(tǒng)計的思想。這類方法篩選的特征項存在一定的噪聲，而且特征維數(shù)較高，沒有考慮特征詞之間的語義關系。本文是從語義角度去研究特征降維，利用依存關系對句子進行句法

2、分析，選出每個句子的重點詞作為特征項，來實現(xiàn)特征降維。這種方法選出的特征詞能更好的表示文本。
　　本文首先對文本分類的國內外研究現(xiàn)狀進行了介紹，分析了現(xiàn)有特征降維方法的缺點。隨后對文本分類的基本概念和知識進行了歸納，闡述了文本分類的特點和應用；分析了文本分類的過程，包括文本預處理、權重計算、文本表示和分類算法。本文對特征降維進行了詳細的研究，包括特征選擇和特征抽取，并對常用的特征降維方法進行了分析。隨后對特征項進行研究，著重對詞共

3、現(xiàn)進行分析，并對依存關系進行了研究，分析了依存關系詞對的特點。依存關系詞對作為特征項含有更多的語義信息，且特征項之間的獨立性更強，能更好的表示文本，并在此基礎上提出了基于依存關系的特征降維方法。為了驗證其效果，將其同文檔頻率法，互信息法和信息增益法進行文本分類實驗對比。實驗證明，該方法具有一定可行性，但是還存在一些缺陷。接著對抽取的依存關系詞對進行研究，將依存關系詞對同傳統(tǒng)方法的特征詞進行對比。從詞性和語義的角度進行分析，針對基于依存關